旗舰无审查图生视频：原生音频、1080p、逐秒叙事控制。
Spicy 1.0 Pro I2V（Wan 2.7 LoRA Spicy）把一张图片变成 2-15 秒的电影级视频，原生音频同步生成。用 At 00:XX 逐帧结构编排每一秒，用情绪标签驱动对白与口型，内置 Prompt 优化自动把简短描述扩写成生产级脚本。支持真人、动漫风格与亚裔面孔 LoRA。
模型版本：
暂无输出。运行模型以查看结果。
点击“运行模型”以生成输出
该模型的具体价格与计费方式,价格以美元结算。
| 分辨率 | 无参考视频 |
|---|---|
| 720p | $0.2 |
| 1080p×2 | $0.4 |
720p · 生成 8 秒 → 8 × $0.2/秒
≈ $1.60
来自该模型的真实生成结果——悬停播放视频,复制 prompt 即可复刻同款。
Sample clip
接口地址
https://api.spicyrouter.ai/v1/videos所有请求需携带 Bearer API Key。
提交任务
curl -X POST \
"https://api.spicyrouter.ai/v1/videos" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "wan2.7-i2v-spicy",
"audio_url": "https://example.com/your-asset",
"duration": 5,
"generate_audio": true,
"image_url": "https://example.com/your-asset",
"negative_prompt": "",
"prompt": "your prompt here",
"prompt_extend": true,
"resolution": "1080p"
}'轮询状态
# Replace TASK_ID with the data.task_id from the submit response
curl -X GET "https://api.spicyrouter.ai/v1/status/TASK_ID" \
-H "Authorization: Bearer YOUR_API_KEY"请求参数
| 字段 | 必填 | 类型 | 取值 | 说明 |
|---|---|---|---|---|
audio_url | 否 | string | Audio Url | |
duration | 否 | integer | 2 ~ 15 默认值: | Duration |
generate_audio | 否 | boolean | 默认值: | Generate Audio |
image_url | 是 | string | 默认值: | Image Url |
negative_prompt | 否 | string | 1 ~ 2000 chars 默认值: | Negative Prompt |
prompt | 是 | string | 1 ~ 4000 chars 默认值: | Prompt |
prompt_extend | 否 | boolean | 默认值: | Prompt Extend |
resolution | 否 | enum | "720p", "1080p" 默认值: | Resolution |
经过验证的 prompt,一次生成即达生产级效果。
At 00:00, the frame is a medium close-up from a slightly low angle, capturing a nude woman with long dark hair, soft makeup, a shy smile — sitting on the edge of a bed with white sheets; warm golden window light from the left; 4K, sharp focus, shallow depth of field, photorealistic. At 00:01, she looks up through her lashes, breath hitching. Camera remains completely static. No distortion. Face stable.
为什么选择 Pro
Pro I2V 是 Spicy 家族的高端档位:更长时长、原生声音、逐秒叙事控制。如果说 Lite 是你的流量引擎,Pro 就是你的变现引擎。
对白、喘息、环境音、BGM 与画面同步生成——[breathlessly] 这类情绪标签直接控制语气与口型。
At 00:XX 叙事结构让你编排每一秒:微表情、动作递进、高潮与余韵,全部可控。
内置 Prompt 优化把一句粗稿自动扩成生产级脚本——v2.4 已将扩写耗时砍掉一半。
专为动漫美学与亚裔面部特征调校的 LoRA 风格——同一个接口,写实与二次元通吃。
商业场景
影院级 1080p 带声视频本身就是可售卖的内容——15 秒足够讲完一个完整的微型故事。
多分支互动故事:用户的每个选择触发下一段视频——一次分支 = 一次 API 调用,架构简单到极致。
为你的创作者提供一键专业视频生成——Prompt 扩写抹平学习曲线,原生音频省掉剪辑环节。
1080p + 原生音频是低成本模型跨不过去的质量护城河——让创作者卖精品内容,平台抽 15–30% 佣金。
Prompt 法则
输入图中的姿势、裸露程度与场景必须与 Prompt 一致——图片定义初始状态。主体占画面 60–70%,背景干净,光线均匀,分辨率 ≥1024×1024。
00:00 帧必须写全:景别、外貌、姿势、身体细节、背景与灯光。后续帧只写变化——绝不重复静态信息。
灯光是最大的画质杠杆。套用公式:光源 + 方向 + 色温 + 阴影,例如 soft window side light, warm golden glow。
每个镜头最多一个运镜,静止最安全。5–15 秒短片中环绕镜头失败率超过 80%。默认写上 Camera remains completely static。
5 秒只够微表情;8 秒可加手部动作;10 秒以上才能上全身动作。编排过于贪心只会换来画面撕裂。
每句对白控制在 5–10 个词并加情绪前缀。明确描写物理音效(heels click on marble)与环境氛围音。
万能模板
填括号,别动结构。总长 50–200 词是甜区;5000 字符硬上限之外的会被直接截断。
At 00:00, the frame is a [SHOT TYPE] from an [ANGLE], capturing a [nude/clothed] [ethnicity] woman with [hair], [makeup], [expression] — [pose and spatial relation to partner]; [anatomical details]; [partner: torso visible, face out of frame]; [background: objects, materials, colors]; [lighting: soft window side light, warm golden glow]; [4K, sharp focus, shallow depth of field, no censorship, photorealistic]. At 00:01, [subtle action + expression shift + breathing change]. At 00:02, [motion intensifies + posture change + sheen on skin]. At 00:03, [peak action + intense expression + muscle tension]. At 00:04, [continuation or transition + final state]. Camera remains completely static throughout, no zoom, pan, or tilt. No distortion. No jitter. Face stable, no deformation.
万能模板
Do
Don’t
常见问题
扩散模型天然带有随机性。建议每次生成 2–3 个版本择优使用;Prompt 越具体、质量约束越明确,结果方差越小。
加上 Fingers maintain correct anatomy. Hands stable, no extra digits.,手势保持简单、摆放自然,并多生成几个候选。
运动连贯性会下降、画面开始循环。把长叙事拆成两段 5–8 秒的生成再拼接——后半段绝不重复前半段的描述。
暂不支持——平台目前没有提供专门的视频超分能力,原生输出最高 1080p。
上传一张图,换回动感、声音与热度。两分钟内即可投产。